在PySpark中插值lat/lon列以获得轨迹中的等间距点

我有一个PySpark数据框，其中包含由“trajectories_id”列标识的不同轨迹的Lat/Lon点。每个轨迹由不同数量的点组成。 下面是一个非常简单的例子。注意，在我的例子中，我可以有更复杂（非直线）的线

轨迹id 纬度 经度 1. 45 5. 1. 45 6. 1. 45 9 2. 46 1. 2. 46 5.

---

通过使用UDF生成一系列整数，我可以生成您期望的数据。它将在lat和lon的范围内工作（您的样本仅显示lon的范围）

def nums（f，t）：
返回列表（范围（f、t+1））
（df）
.groupBy（'tracept_id'）#按'tracept_id'分组以获得最小最大lat和lon
阿格先生(
F.min（'lat'）。别名（'min_lat'），
F.max（'lat'）。别名（'max_lat'），
F.min（'lon'）。别名（'min_-lon'），
F.max（'lon'）。别名（'max_-lon'），
)
.withColumn（'lat_-arr'，F.udf（nums，T.ArrayType（T.IntegerType（）））（'min_-lat'，'max_-lat'））#使用udf根据min-max-lat生成lat值列表
.withColumn（'lon_arr'，F.udf（nums，T.ArrayType（T.IntegerType（）））（'min_lon'，'max_lon'））#使用udf根据min-max lon生成lon值列表
.withColumn（'lat'，F.explode（'lat_arr'））#将lat值分解为多行
.withColumn（'lon'，F.explode（'lon_arr'））#将lon值分解为多行
.drop（'min_-lat'，'max_-lat'，'min_-lon'，'max_-lon'，'lat_-arr'，'lon_-arr'）#drop临时柱
.show（）
)
# +-------------+---+---+
#|轨迹| id | lat | lon|
# +-------------+---+---+
# |            1| 45|  5|
# |            1| 45|  6|
# |            1| 45|  7|
# |            1| 45|  8|
# |            1| 45|  9|
# |            2| 46|  1|
# |            2| 46|  2|
# |            2| 46|  3|
# |            2| 46|  4|
# |            2| 46|  5|
# +-------------+---+---+